基于贝叶斯网络的地下水环境系统决策管理研究

应用贝叶斯网络解决地下水环境管理中具有不确定性的多目标决策问题,通过对决策变量氮肥施用量以及灌溉模式的调控,减少水中的硝酸盐含量,达到既能有效改善水环境又不至使农民经济利益受到损害的目标。通过分析具体的地下水环境管理系统中变量间的相互关系,构建描述变量间不确定性关系的贝叶斯网络模型,其中包括表示其依赖关系的有向无环图和表示其具体概率依赖程度的条件概率表。并在多个水环境管理目标均达到最优的前提下进行概率推理,得到决策变量氮肥施用量以及灌溉模式取不同值时目标变量的概率分布情况。最终确定出能使所有目标均达到最优的合理的水环境管理决策:(1)使用喷灌,将氮肥施用量控制在0.01~0.03 kg/m2;(2)使用漫灌,将氮肥施用量控制在0.01~0.02 kg/m2。     

水准网中起算点的选用方法探讨

水准网平差中起算点质量好坏不仅影响平差精度,而且如果采用不好的点位,直接影响成果的使用,带来严重后果。该文以青州市水准网的布设为例,分析讨论了起算点对水准网精度的影响,提出了根据较差中误差大小选用起算点的方法,阐述了该方法的步骤,达到的效果,以及水准网布设方法等。     

SWDC数码航摄区域网控制点布设的精度试验

介绍了SWDC数码航摄影像的技术基础和其应用于航空摄影测量的优越性,鉴于SWDC像幅的特殊性,在保证量测精度的前提下,为减少外业作业的工作量,通过以不同基线的区域网像片控制点布设方案的精度试验,证明了控制点按照8条基线布设可满足内业生产及大比例尺地形图的需要。     

A unified C-band and Ku-band geophysical model function determined by neural network approach

The geophysical model function （GMF） describes the relationship between backscattering and sea surface wind, so that wind vec- tors can be retrieved from backscattering measurement. The GMF plays an important role in ocean wind vector retrievals, its performance will directly influence the accuracy of the retrieved wind vector. Neural network （NN） approach is used to develop a unified GMF for C-band and Ku-band （NN-GMF）. Empirical GMF CMOIM and QSCAT-1 are used to generate the simulated training data-set, and Gaussian noise at a signal noise ratio of 30 dB is added to the data-set to simulate the noise in the backscat- tering measurement. The NN-GMF employs radio frequency as an additional parameter, so it can be applied for both C-band and Ku-band. Analyses show that the %predicted by the NN-GMF is comparable with the σpredicted by CMOIM and QSCAT-1. Also the wind vectors retrieved from the NN-GMF and empirical GMF CMOIM and QSCAT-1 are comparable, indicating that the NN-GMF is as effective as the empirical GMF, and has the advantages of the universal form.     

基于IP地址聚类的网络异常流量分析

异常流量在目的地址与出现时间上的分布均与正常流量有很大区别。文中对校园网的出口流量进行分析实验,将其NetFlow记录按校外IP地址的前16位聚类,得到的部分网段在出入流量中的出现频度有明显特点。分析2种典型网段,研究由此发现校园网内的异常流量源的方法,并对2种异常流量源的区别进行了分析。此方法与常用的异常检测方法相比,所需处理的数据量大为减少,大大提高了检测效率。     

校园网IP地址绑定系统的研究与设计

IP地址绑定和IP用户管理是校园网管理员的主要工作,作者介绍哈尔滨工业大学校园网IP地址绑定和IP用户管理系统的设计思路及实现技术,该系统是采用J2EE技术和Struts+Hibernate框架实现的B/S结构WEB应用系统,用于校园网用户的IP地址分配I、P地址绑定及IP用户管理等方面。该系统的实现与应用大大提高了网络管理员的工作效率、避免了操作失误、改善了对用户的服务质量。     

网络测试中新方法的探讨

吞吐量是网络测试非常重要的测试指标。文中探讨吞吐量测试的1个新方法,该方法仅用2个端口便可实现对被测设备大量端口的吞吐量测试。此法不仅可以用于2层网络流量的测试,还可以用于3层IP网的测试,具有很好的现实意义。在第3层测试中需要通过VPN来实现IP包转发,测试可以实现跨接口卡的流量测试;应用证明,该方法不仅能测试吞吐量,而且能更好地实现多项综合测试,得到更真实可靠的数据。同时,该方法可以大量节约测试成本,具备多种优点,是1种值得在高校推广的测试方法。     

System identification for nonlinear maneuvering of large tankers using artificial neural network

This paper deals with the application of nonparametric system identification to a nonlinear maneuvering model for large tankers using artificial neural network method. The three coupled maneuvering equations in this model for large tankers contain linear and nonlinear terms and instead of attempting to determine the parameters (i.e. hydrodynamic derivatives) associated with nonlinear terms, all nonlinear terms are clubbed together to form one unknown time function per equation which are sought to be represented by the neural network coefficients. The time series used in training the network are obtained from simulated data of zigzag maneuvers and the proposed method has been applied to these data. The neural network scheme adopted in this work has one middle or hidden layer of neurons and it employs the Levenberg–Marquardt algorithm. Using the best choices for the number of hidden layer neurons, length of training data, convergence tolerance etc., the performance of the proposed neural network model has been investigated and conclusions drawn.     

放射性测井中Vτ影响理论分析的正演问题

由于放射性测井仪的模拟记录器中使用了RC并联网络,故测井响应受Vτ影响,V为测井速度,τ为RC网络时间常数。以往对Vτ影响的讨论是在考虑单一放射性地层的模型下进行的,认为测井响应（RC网络输出）相对真实地层信号（RC网络输入）存在相位滞后和减幅失真。事实上,井下单一的放射性地层是不存在的,存在的是连续变化的放射性地层剖面。从这一基本事实出发,本文依据随机过程理论导出了测井响应与RC网络输入之间的正演关系,从而发现Vτ影响不仅导致相位滞后和减幅失     

GA-BP神经网络在罗源湾口波浪模拟研究中的应用

由于BP神经网络存在收敛速度慢和易于陷入极小值等缺点,引入遗传算法(GA)对网络的权值和阈值加以优化,并采用不同组合的输入因子和样本数,对福建省罗源湾口的波浪进行模拟研究.对输入因子的分析结果表明,研究区域的波浪主要受台湾海峡波浪传播影响,与局地气象因子(风速、风向、海气温差)的相关性较弱.训练样本试验表明,30 d以上的波浪历史数据可使GA-BP神经网络充分学习研究区域的波浪特征,从而实现对波浪要素的高精度模拟.模拟结果显示,对春、夏季实测波浪数据的模拟效果均很好,其中相关性分别为0.967和0.938,均方根误差分别为0.112 m和0.107 m,表明GA-BP神经网络在近岸波浪模拟预报中有较广阔的应用前景.